基于流量守恒约束的图神经网络实时OD矩阵补全方法

本发明提供基于流量守恒约束的图神经网络实时OD矩阵补全方法，涉及交通系统数据补全与预测领域，解决了现有技术中对于实时交通流预测时存在的OD矩阵不完整问题。方法步骤包括：使用GAT对不完整的实时OD矩阵进行初步估算，经特征传递后生成初步OD矩阵估计，作为预插补结果；获取历史观测数据，通过GCN和GRU相结合的方式，捕捉历史观测数据的时空依赖关系，生成历史OD流量预测，作为历史累积结果；依据实时始发流量、预插补结果和历史累积结果，通过应用残差学习的方式，进行流量分配，在满足流量守恒约束的条件下生成补全后的最终OD矩阵。本发明方法可实现高效、准确的实时OD矩阵补全效果。